開發者玩轉機器學習不能錯過的15篇深度文章！

摘要：機器學習平臺PAI是面向開發者和企業的機器學習/深度學習工程平臺，提供包含 資料標註、 模型構建、 模型訓練、 模型部署、 推理最佳化在內的AI開發全鏈路服務。開發者可以透過PAI快速構建訓練模型，如搭建一些《物體識別》、《驗證語音降噪等》有趣的實驗模型，也可以契合企業需求，實現企業個性化推薦，小編整理了一些基於PAI平臺的模型開發訓練指南，供開發者參考收藏。

瞭解機器學習平臺 PAI：

PAI-DSW入門指南&實踐

PAI-DSW是為演算法開發者量身打造的雲端深度學習開發環境，整合JupyterLab，外掛化深度定製化開發，無需任何運維配置，沉浸式體驗Notebook編寫、除錯及執行Python程式碼。支援開源框架的安裝，並提供阿里巴巴深度最佳化的Tensorflow框架，透過編譯最佳化提升訓練效能。
1.阿里雲機器學習PAI-DSW入門指南

2.新手上路：PAI-DSW實驗室建立攻略 | 《阿里雲機器學習PAI-DSW入門指南》

3.大資料算命系列之用機器學習評估你的相親戰鬥力 | 《阿里雲機器學習PAI-DSW入門指南》

4.半小時驗證語音降噪—賈揚清邀你體驗快捷雲上開發 | 《阿里雲機器學習PAI-DSW入門指南》

5.四步訓練出自己的CNN手寫識別模型 | 《阿里雲機器學習PAI-DSW入門指南》

6.如何自己訓練一個熱狗識別模型 | 《阿里雲機器學習PAI-DSW入門指南》

推薦場景入門

推薦系統可以理解為推薦演算法和系統工程的總和，即推薦系統=推薦演算法+系統工程。關於推薦系統，很多的書和網上的資料更多的是聚焦到這個演算法怎麼做，包括很多paper都說的是最新的推薦演算法。但是，當開發者真正動手去搭建這套業務系統，特別是在雲上去做的時候，會發現其實是一個系統化的工程。即使知道推薦業務需要用哪些演算法，你依然會面臨很多問題。比如說效能的問題、資料儲存的問題，等等。以下內容包含了基礎理論、演算法和系統，供開發者學習。
1.推薦系統基本概念和架構

2.開放下載！基於PAI個性化推薦系統開發指南

3.基於PAI 10分鐘搭建一個簡單推薦系統

4.基於PAI-Studio推薦召回場景-FM Embedding實現方案

5.推薦系統召回演算法及架構說明

6.推薦系統排序演算法及架構說明

7.推薦系統線上服務編排及架構說明

8.跟阿里雲技術專家學習智慧推薦系統

企業最佳實踐